Spirent 的研报探讨了人工智能（AI）对数字产业的影响，重点关注生成式 AI（GenAI）技术及其在数据中心、电信和企业管理中的应用。
市场、商业效益和挑战
- 市场规模：预计到 2027 年，AI 软件支出将达到 297.9 亿美元，年复合增长率为 19.1%。其中，GenAI 软件支出占比将从 2023 年的 8% 上升至 2027 年的 35%。
- 商业效益：AI 可实现降本增效（OPEX 和 CAPEX）、提升客户体验和增加收入。
- 应用场景：优先考虑的数据集质量高、成本效益高的用例，如电信行业的客户服务、异常检测、网络优化等，以及金融行业的客户服务、流程自动化、风险检测等。
- 挑战：数据质量和偏差、AI 预测质量、高成本、监管和隐私问题、AI 用例扩展能力。
AI 对数据中心网络的影响
- 数据中心架构演变：AI 应用需要更高的计算、内存和网络连接能力，推动数据中心架构向低延迟、高带宽方向发展。
- 网络技术演进：400G 和 800G 以太网及 RoCE v2 协议成为主流，未来将向 1.6T 以太网发展。
- 验证挑战：GPU 服务器供应短缺、以太网标准快速变化、流量模式变化和流量控制协议的复杂性。
- 测试方法：AI 流量模拟、数字孪生、关键性能指标（KPI）评估。
AI 对电信业的影响
- 网络管理和运营：AI 用于异常检测、流程自动化、根本原因分析、预测性维护和网络优化。
- 网络安全和欺诈检测：AI 通过学习历史数据预测威胁，主动防御攻击。
- 客户体验管理：AI 通过分析客户行为和偏好优化服务，降低客户流失率。
- 网络设计和规划：AI 通过模拟和数字孪生简化网络规划，优化负载估计和流量路由。
- NG-RAN 和未来认知网络：AI 优化能源效率、移动性事件和信道质量，推动 5G 和 6G 发展。
AI 对企业管理的影响
- 企业数字化转型：AI 驱动的自动化加速转型，降低成本。
- 机器人流程自动化（RPA）：AI 增强传统 RPA，处理更复杂的任务，提高效率。
- 网络安全：AI 实现主动威胁预防，但需应对 AI 攻击带来的新风险。
Spirent 的五项建议
- 量化用例，使用数字孪生测试效果。
- 制定数据架构和管理策略，确保数据质量和架构扩展性。
- 追求自动化，从低风险环境开始。
- 确保效果，通过数字孪生和主动测试验证 AI 建议。
- 测试安全性，使用现代安全解决方案应对 AI 攻击。
Spirent 的核心能力
- 高速以太网测试（400G/800G、RoCE v2）。
- 数字孪生网络模拟环境。
- 自动化框架。
- 持续测试框架。
- 安全效能测试。
- 运营网络中的主动测试。
